4门统计学你选择哪个

统计学的重要性毋庸多说，基本上NGS数据分析的每个环节参数的把握，每个图表的理解背后都是统计学背景知识。当然了，对大量入门级别玩家，暂时可以不要考虑那么多，先跟着我在生信技能树的教程肝下去，走出一个完整项目再说。但是大量中高级玩家的需求我们也得满足啦，很久以前我们整理过：统计学回顾（精华目录收藏）（statquest+协和八+ NGSHotpot），可以说是啃这块统计学硬骨头是提升自己的生信段位不二选择！

最近在朋友圈和各种群聊又看到了另外4个好课程，推荐给大家，文末有一个投票，大家可以参与一下。（估计你们没有那么多时间全部看完，就根据目录进行投票即可）

北京大学-席瑞斌

课程链接：http://www.chinesemooc.org/mooc/4979

1. 统计及生物统计概要（2学时）

2. 数据探索性分析、可视化（4学时）

3. 假设检验和置信区间估计（12学时）

• a)  参数假设检验
• b)  非参数假设检验
• c)  Bootstrap方法、permutation 方法
• d)  多重假设检验

4. 回归分析方法（12 学时）

• a)  线性回归分析
• b)  广义线性回归
• c)  非线性回归方法、广义非线性回归方法
• d)  混合效应回归模型

5. 高维生物统计学方法 （12学时）

• a)  模型选择方法
   模型衡量准则；传统变量选择方法，如前向选择方法、后向选择方法；罚函数方法
• b)  超高维数变量筛选方法
   线性模型中的变量筛选、非线性模型中的变量筛选
• c)  降维方法
   PCA, NMF,LLE,DiffusionMap, tSNE, UMAP等线性、非线性降维方法

6. 分类、聚类分析简介（6学时）

• a)  逻辑回归、支持向量机、随机森林等分类方法
• b)  K-means、混合正态模型、隐马氏模型等聚类方法

初看这个目录我差点以为就是为生物信息学人才准备的，因为确实涵盖了我们生信分析过程的方方面面。

多元统计分析上海财经大学_中国大学MOOC(慕课)

可能因为是财经大学的课程，所以并不会可以强调这些统计学原理在生物信息学领域的应用，不过打基础也是极好的。链接是：https://www.icourse163.org/course/0712TUFC001-1003381022#/info

第一章  矩阵代数

• 1.1  矩阵的定义和运算
• 1.2  正交矩阵
• 1.3  矩阵的行列式、逆和秩
• 1.4  矩阵的特征值、特征向量和迹
• 1.5  正定矩阵、非负定矩阵和矩阵函数值的SAS输出
• 附录1.A  矩阵代数的R代码（选）
• 附录1.C  矩阵代数的本教材节选（选）

第二章  随机向量和多元正态分布

• 2.1  多元分布
• 2.2  数字特征
• 2.3  欧氏距离和马氏距离
• 2.4  多元正态分布
• 2.5  极大似然估计及估计量的无偏性
• 2.6  JMP入门
• 2.7  一个案例的JMP演示
• 附录2.A  多维数据描述及可视化等的R代码（选）
• 附录2.B  SPSS在多维数据描述及可视化等中的应用（选）
• 附录2.C  随机向量的本教材节选（选）
• 附录2.D  多元正态分布的本教材节选（选）
• 第二章测验

第三章  判别分析

• 3.1  引言
• 3.2  两组距离判别
• 3.3  多组距离判别
• 3.4  贝叶斯判别——最大后验概率法
• 3.5  贝叶斯判别——最小期望误判代价法
• 3.6  费希尔判别
• 附录3.A  判别分析的R代码（选）
• 附录3.B  SPSS在判别分析中的应用（选）
• 附录3.C  摘自本教材的若干数学证明（选）
• 第三章测验

第四章  聚类分析

• 4.1  引言
• 4.2  距离和相似系数
• 4.3  系统聚类法
• 4.4  聚类中的若干问题
• 4.5  动态聚类法——k均值法
• 附录4.A  聚类分析的R代码（选）
• 附录4.B  SPSS在聚类分析中的应用（选）
• 第四章测验

第五章  主成分分析

• 5.1  引言
• 5.2  总体的主成分
• 5.3  样本的主成分
• 5.4  若干案例
• 5.5  若干补充及主成分应用中需注意的问题
• 附录5.A  主成分分析的R代码（选）
• 附录5.B  SPSS在主成分分析中的应用（选）
• 附录5.C  摘自本教材的若干数学证明（选）
• 附录5.D  对主成分综合得分方法的质疑（摘自本教材，选）
• 第五章测验

第六章 因子分析

• 6.1  引言
• 6.2  正交因子模型
• 6.3  参数估计
• 6.4  因子旋转
• 6.5  因子得分
• 附录6.A  因子分析的R代码（选）
• 附录6.B  SPSS在因子分析中的应用（选）
• 附录6.C  摘自本教材的若干数学证明（选）
• 第六章测验

第七章  对应分析

• 7.1  引言
• 7.2  行轮廓和列轮廓
• 7.3  总惯量
• 7.4  行、列轮廓的坐标
• 7.5  对应分析图
• 附录7.A  对应分析的R代码（选）
• 附录7.B  SPSS在对应分析中的应用（选）
• 附录7.C  摘自本教材的若干数学证明（选）
• 第七章测验

厦门大学MOOC 多元统计分析

被搬运到了B站，之所以注意到这门课，是检查我自己的b站，被人工智能算法推荐的，应该是跟我的课程一样的优秀吧！

链接是：https://www.bilibili.com/video/av92489393  或者 https://www.icourse163.org/course/XMU-1206305809

01  多元统计分析概述

• 1.1 多元分析的定义
• 1.2 多元分析的方法简介
• 1.3 多元分析的应用领域

02  多元数据的描述与展示

• 2.1 一元随机变量回顾
• 2.2 随机向量
• 2.2.1 多元数据的数值特征及可视化
• 2.2.2 协方差矩阵的用途
• 2.3 随机向量的变换

03  多元正态分布

• 3.1 多元正态分布
• 3.2 多元正态分布的性质
• 3.3 多元正态的估计
• 3.4 评估多元正态性

04  均值向量的检验

• 4.1 多元检验的冬季
• 4.2 单样本均值向量检验
• 4.3 两样本均值向量检验
• 4.3.1 独立样本
• 4.3.2 成对样本

05  判别分析和分类分析

• 5.1 判别分析和分类分析概述
• 5.2 判别分析：分类规则
• 5.2.1 两群体Fisher线性判别分析
• 5.2.2 多群体Fisher线性判别分析
• 5.3 分类分析：分类结果
• 5.3.1 两群体Fisher分类
• 5.3.2 两群体贝叶斯分类
• 5.3.3 多群体分类

06  主成分分析

• 6.1 主成分分析思想
• 6.2 总体主成分分析
• 6.2.1 总体主成分推导
• 6.2.2 基于标准化的总体主成分分析
• 6.3 样本主成分分析
• 6.3.1 样本主成分推导
• 6.3.2 主成分个数的选择
• 6.3.3 R语言应用实例

07  因子分析

• 7.1 因子分析简介
• 7.2 载荷估计方法
• 7.2.1 主成分法
• 7.2.2 其他方法
• 7.2.3 估计因子得分
• 7.3 因子旋转
• 7.3.1 因子旋转的理解
• 7.3.2 正交旋转和斜交旋转
• 7.4 R语言示例

08  聚类分析

• 8.1 聚类分析概述
• 8.2 层次聚类
• 8.2.1 简介
• 8.2.2 层次聚类的类型
• 8.2.2.1 层次聚类的类型（上）
• 8.2.2.2 层次聚类的类型（下）
• 8.2.3 R语言示例
• 8.3 k-均值聚类
• 8.3.1 方法介绍
• 8.3.2 R语言示例

知乎孟大佬的多元统计

在疫情期间孟浩巍录制了一门网络课程，供大家学习——《生物信息学入门课：生信中常用的多元统计分析》，这个是需要付费的，购买链接：https://ke.qq.com/course/709956

目录的话，我只能以截图代替，不然可能会被举报非法原创！

投票开始

选出你心目中的super star吧！